Crowd-ML：面向智能设备群的隐私保护学习框架
机器学习
2015-01-13 v1 密码学与安全
分布式、并行与集群计算
网络与互联网体系结构
摘要
具有内置传感器、计算能力和网络连接性的智能设备已变得日益普及。智能设备群为以空前规模集体感知和执行计算任务提供了机遇。本文提出 Crowd-ML，一种面向智能设备群的隐私保护机器学习框架，其能够以差分隐私保证解决众感数据上广泛的学习问题。Crowd-ML 赋予众感系统一种能力，能以最小设备与服务器计算开销从众感数据私有地在线学习分类器或预测器，适于该框架的实际大规模应用。我们分析了 Crowd-ML 的性能与可扩展性，并利用现成智能手机实现了该系统作为概念验证。我们通过各种条件下的真实与模拟实验展示了 Crowd-ML 的优势。
引用
@article{arxiv.1501.02484,
title = {Crowd-ML: A Privacy-Preserving Learning Framework for a Crowd of Smart Devices},
author = {Jihun Hamm and Adam Champion and Guoxing Chen and Mikhail Belkin and Dong Xuan},
journal= {arXiv preprint arXiv:1501.02484},
year = {2015}
}